分析大数据背景下电力营销市场行业发展趋势
最后更新时间：2024-03-12
作者：用户投稿
本站原创
点赞:5501
浏览:15166
本站原创
点赞:5501
浏览:15166
论文导读：
【摘 要】电力营销市场中蕴含着海量的，多样的电量与非电量数据，即大数据。各行业的发展受到多种因素的影响，如何充分挖掘各种数据之间的关系，是准确预测行业发展趋势的关键所在。本文首先介绍相关性分析策略的基本概念及计算策略;然后分析某地区14个主导行业的用电量发展趋势，并对它们进行分类总结;最后采用相关性分析策略分析内外部因素对大工业电量的影响。实例证明，该策略能够充分挖掘数据间的关系，有助于确定电力营销工作重点。
【关键词】行业发展趋势;大数据;相关性分析
0 引言
在智能电网发展的背景之下，大数据已成为研究热点[1-3]。智能电网在电网运转和设备检测、电力企业营销和管理等方面都拥有海量的数据。并且随着电网建设的不断扩大，信息采集技术的提高，数据精细化程度越来越高，电网的数据将呈现出指数级增长的趋势[4]。这些数据间蕴含着大量有价值的信息，如何对这些大数据进行快速准确的分析，挖掘各类数据间的关系，从中得到价值回报，是当前学术界和产业界共同关注的主题。
在电力营销市场方面，各行各业拥有海量的电量和非电量数据，这些数据又与政府的政策、地区经济等数据密切相关。要对电力营销市场各行业的发展趋势进行分析，就必须对这些类型多、数量大的数据进行有效的数据挖掘。筛选出用电量较大或政府重点发展的主导行业，分析各类型数据的性质（发展趋势、增长率或衰减率、周期性等），将变化趋势相同的行业归为同类进行分析。同时，各行业的发展又受到内外部多种因素的影响，寻求对行业发展影响较大的关键因素，对该地区的电量预测、电网规划、确定电力营销重点都有重要的作用。
本文筛选了某地区14个用电量较大或政府重点发展的主导行业，根据各行业的电量数据分析它们的发展趋势，并对这些行业进行分类总结。再根据相关性分析策略分析该地区大工业电量与内外部影响因素直接的关系，确定影响大工业电量的主要因素，为准确分析行业发展趋势提供依据。
1 电力营销市场行业中的大数据及其特点
电力营销市场涉及的数据量非常庞大，不仅包含了各行业、用户的供售电量数据，还包含了影响各行业发展的各因素数据，如GDP、人口、气温等。数据形式也多种多样，具有历史数据、实时数据以及负荷变化曲线图等形式。充分体现出大数据的4V特点[5]，即大量化（Volume）、速度快（Velocity）、类型多（Variety）和价值大（Value）。因此，充分挖掘电力营销市场中数据之间的联系，能够更加准确地分析各行业的发展数据，有利于供电企业确定营销重点，制定合理的营销策略。
2 相关性分析策略
本文采用相关性分析策略分析行业电量与各影响因素之间的关系。常用的相关性分析策略有线性相关系数和Granger因果分析策略。其中，Granger因果分析策略通常只能给出定性的结论，不能加以定量的描述，故本项目采用线性相关系数[6]。
线性相关系数的数学描述：设随机变量X与Y，则协方差为：
Cov（X，Y）=E（X-EX）（Y-EY）（1）
相关系数为：
ρXY=■（2）
ρXY>0，表示正相关;ρXY<0，表示负相关。ρXY的绝对值越接近于1表示变量X、Y的线性相关程度越高;ρXY的绝对值越接近于0表示变量X、Y的线性相关程度越低。
3 算例分析
以某地区各行业2007年～2012年的月度电量数据为基础，分析各行业的发展趋势。选取该地区用电量较大或发展趋势较好的行业共14个，这些行业的用电量占该地区用电量的68.87%。主要包括纺织业，化学原料及化学制品制造业，橡胶和塑料制品业，非金属矿物制品业，有色金属冶炼及压延加工业，金属制品业，通用及专用设备制造业，工艺品及其他制造业，批发和零售业，交通运输、电气、电子设备制造业，公共管理和社会组织、国际组织，住宿和餐饮业，租凭和商务服务、居民服务和其它服务业以及电信和其它住传输服务业。准确把握各个主导行业的用电规律，能够大致地分析出各行业的发展趋势，也是掌握该地区整体用电情况的关键。
（1）主导行业发展趋势分析
以时间为横轴，行业用电量（万kW·h）为纵轴，得到各主导行业月用电量的变化趋势图。部分行业的电量变化趋势图如图1～图4所示。
图1 纺织业电量趋势图
图2 化学原料及化学制品制造业电量趋势图
图3 有色金属冶炼及压延加工业电量趋势
图4 电信和其它住传输服务业电量趋势图
从各主导行业历史电量趋势图可以看出，14个行业中，化学原料及化学制品制造业等6个行业的电量呈上升趋势;而有色金属冶炼及压延加工业等4个行业电量呈下降趋势;纺织业等4个行业的电量保持基本不变。将这14个主导行业进行归类，如表1所示。
表1 各主导行业2013年电量趋势及发展前景分析
从表中可以看出，电力市场的行业大致可以分成4大类。供电企业在制定营销策略时，应当以电量较大的具有平稳的和上升趋势的行业为基础，并挖掘电量较小但发展迅速的朝阳行业。将这三类行业作为电力营销的重点对象。
（2）相关性分析
以该地区大工业为例，分析内外部影响因素与大工业电量的相关性。其中外部影响因素选取了GDP、工业总产值，而内部影响因素则选取了14各主导行业中的7个工业。大工业与各影响因素的相关系数及回归方程如表2所示。
表2 大工业与各影响因素的相关性分析结果
由表2中可以看出，该地区的大工业用电量与经济数据的相关系数较低，说明经济因素对于大工业用电量的影响不明显。而部分主导行业与大工业用电量的相关性非常强，说明这部分行业对大工业用电量的变化具有明显主导作用，必须作为重点的营销对象。此外，还可以根据线性回归方程估算出大工业用电量。
4 结论
（1）介绍了电力营销市场中蕴含的大数据及其4V特点。
（2）分析对各行业的电量发展趋势，并将行业分为4类：电量小但发展迅猛的朝阳行业、电量大且发展前景好的行业、电量平稳发展的行业、电量不断下降的行业。
（3）引用相关性分析策略，计算大工业电量与各内外部影响因素之间的相关系数，确定影响该地区大工业电量的主要因素。
（4）根据行业的发展趋势论文导读：
及相关性分析的结果，为供电企业确定重点营销对象提出了倡议，并为企业制定营销策略提供理论支持。
【参考文献】
[1]陈超，张顺仕，尚守卫，等.大数据背景下电力行业数据应用研究[J].2013，36（24）：8-13.
[2]李皎.大数据时代到来对电力行业发展提出新要求[J].华北电业，2012（4）：82-83.
[3]赵云山，刘焕焕.大数据在电力行业的应用研究[J].电信科学，2014（1）：57-62.
[4]宋亚奇，周国亮，朱永利.智能电量大数据处理技术目前状况与挑战[J].电网技术，2013，37（4）：927-934.
[5]孟小峰，慈祥.大数据管理：概念、技术与挑战[J].计算机研究与发展，2013，50（1）：146-149.
[6]蔡智澄，何立民.相关性分析原理在图书情报分析中的应用[J].现代情报，2006（5）：151-152.
[责任编辑：汤静]
【摘 要】电力营销市场中蕴含着海量的，多样的电量与非电量数据，即大数据。各行业的发展受到多种因素的影响，如何充分挖掘各种数据之间的关系，是准确预测行业发展趋势的关键所在。本文首先介绍相关性分析策略的基本概念及计算策略;然后分析某地区14个主导行业的用电量发展趋势，并对它们进行分类总结;最后采用相关性分析策略分析内外部因素对大工业电量的影响。实例证明，该策略能够充分挖掘数据间的关系，有助于确定电力营销工作重点。
【关键词】行业发展趋势;大数据;相关性分析
0 引言
在智能电网发展的背景之下，大数据已成为研究热点[1-3]。智能电网在电网运转和设备检测、电力企业营销和管理等方面都拥有海量的数据。并且随着电网建设的不断扩大，信息采集技术的提高，数据精细化程度越来越高，电网的数据将呈现出指数级增长的趋势[4]。这些数据间蕴含着大量有价值的信息，如何对这些大数据进行快速准确的分析，挖掘各类数据间的关系，从中得到价值回报，是当前学术界和产业界共同关注的主题。
在电力营销市场方面，各行各业拥有海量的电量和非电量数据，这些数据又与政府的政策、地区经济等数据密切相关。要对电力营销市场各行业的发展趋势进行分析，就必须对这些类型多、数量大的数据进行有效的数据挖掘。筛选出用电量较大或政府重点发展的主导行业，分析各类型数据的性质（发展趋势、增长率或衰减率、周期性等），将变化趋势相同的行业归为同类进行分析。同时，各行业的发展又受到内外部多种因素的影响，寻求对行业发展影响较大的关键因素，对该地区的电量预测、电网规划、确定电力营销重点都有重要的作用。
本文筛选了某地区14个用电量较大或政府重点发展的主导行业，根据各行业的电量数据分析它们的发展趋势，并对这些行业进行分类总结。再根据相关性分析策略分析该地区大工业电量与内外部影响因素直接的关系，确定影响大工业电量的主要因素，为准确分析行业发展趋势提供依据。
1 电力营销市场行业中的大数据及其特点
电力营销市场涉及的数据量非常庞大，不仅包含了各行业、用户的供售电量数据，还包含了影响各行业发展的各因素数据，如GDP、人口、气温等。数据形式也多种多样，具有历史数据、实时数据以及负荷变化曲线图等形式。充分体现出大数据的4V特点[5]，即大量化（Volume）、速度快（Velocity）、类型多（Variety）和价值大（Value）。因此，充分挖掘电力营销市场中数据之间的联系，能够更加准确地分析各行业的发展数据，有利于供电企业确定营销重点，制定合理的营销策略。
2 相关性分析策略
本文采用相关性分析策略分析行业电量与各影响因素之间的关系。常用的相关性分析策略有线性相关系数和Granger因果分析策略。其中，Granger因果分析策略通常只能给出定性的结论，不能加以定量的描述，故本项目采用线性相关系数[6]。
线性相关系数的数学描述：设随机变量X与Y，则协方差为：
Cov（X，Y）=E（X-EX）（Y-EY）（1）
相关系数为：
ρXY=■（2）
ρXY>0，表示正相关;ρXY<0，表示负相关。ρXY的绝对值越接近于1表示变量X、Y的线性相关程度越高;ρXY的绝对值越接近于0表示变量X、Y的线性相关程度越低。
3 算例分析
以某地区各行业2007年～2012年的月度电量数据为基础，分析各行业的发展趋势。选取该地区用电量较大或发展趋势较好的行业共14个，这些行业的用电量占该地区用电量的68.87%。主要包括纺织业，化学原料及化学制品制造业，橡胶和塑料制品业，非金属矿物制品业，有色金属冶炼及压延加工业，金属制品业，通用及专用设备制造业，工艺品及其他制造业，批发和零售业，交通运输、电气、电子设备制造业，公共管理和社会组织、国际组织，住宿和餐饮业，租凭和商务服务、居民服务和其它服务业以及电信和其它住传输服务业。准确把握各个主导行业的用电规律，能够大致地分析出各行业的发展趋势，也是掌握该地区整体用电情况的关键。
（1）主导行业发展趋势分析
以时间为横轴，行业用电量（万kW·h）为纵轴，得到各主导行业月用电量的变化趋势图。部分行业的电量变化趋势图如图1～图4所示。
图1 纺织业电量趋势图
图2 化学原料及化学制品制造业电量趋势图
图3 有色金属冶炼及压延加工业电量趋势
图4 电信和其它住传输服务业电量趋势图
从各主导行业历史电量趋势图可以看出，14个行业中，化学原料及化学制品制造业等6个行业的电量呈上升趋势;而有色金属冶炼及压延加工业等4个行业电量呈下降趋势;纺织业等4个行业的电量保持基本不变。将这14个主导行业进行归类，如表1所示。
表1 各主导行业2013年电量趋势及发展前景分析
从表中可以看出，电力市场的行业大致可以分成4大类。供电企业在制定营销策略时，应当以电量较大的具有平稳的和上升趋势的行业为基础，并挖掘电量较小但发展迅速的朝阳行业。将这三类行业作为电力营销的重点对象。
（2）相关性分析
以该地区大工业为例，分析内外部影响因素与大工业电量的相关性。其中外部影响因素选取了GDP、工业总产值，而内部影响因素则选取了14各主导行业中的7个工业。大工业与各影响因素的相关系数及回归方程如表2所示。
表2 大工业与各影响因素的相关性分析结果
由表2中可以看出，该地区的大工业用电量与经济数据的相关系数较低，说明经济因素对于大工业用电量的影响不明显。而部分主导行业与大工业用电量的相关性非常强，说明这部分行业对大工业用电量的变化具有明显主导作用，必须作为重点的营销对象。此外，还可以根据线性回归方程估算出大工业用电量。
4 结论
（1）介绍了电力营销市场中蕴含的大数据及其4V特点。
（2）分析对各行业的电量发展趋势，并将行业分为4类：电量小但发展迅猛的朝阳行业、电量大且发展前景好的行业、电量平稳发展的行业、电量不断下降的行业。
（3）引用相关性分析策略，计算大工业电量与各内外部影响因素之间的相关系数，确定影响该地区大工业电量的主要因素。
（4）根据行业的发展趋势论文导读：
及相关性分析的结果，为供电企业确定重点营销对象提出了倡议，并为企业制定营销策略提供理论支持。
【参考文献】
[1]陈超，张顺仕，尚守卫，等.大数据背景下电力行业数据应用研究[J].2013，36（24）：8-13.
[2]李皎.大数据时代到来对电力行业发展提出新要求[J].华北电业，2012（4）：82-83.
[3]赵云山，刘焕焕.大数据在电力行业的应用研究[J].电信科学，2014（1）：57-62.
[4]宋亚奇，周国亮，朱永利.智能电量大数据处理技术目前状况与挑战[J].电网技术，2013，37（4）：927-934.
[5]孟小峰，慈祥.大数据管理：概念、技术与挑战[J].计算机研究与发展，2013，50（1）：146-149.
[6]蔡智澄，何立民.相关性分析原理在图书情报分析中的应用[J].现代情报，2006（5）：151-152.
[责任编辑：汤静]